大模型与AI Agent:技术范式切换下的产业重构

执行摘要：o1开启强化学习新范式，空间智能模型商用化落地，开源推理模型以低资源挑战闭源巨头。产业竞争焦点从模型能力延伸至编排层(OpenRouter估值两月涨8倍)、AI Agent应用与安全基础设施。资本市场持续加码Agent赛道，头部机构换帅反映AI投资权重上升。本报告梳理技术路径、产业链分工与竞争格局演变。

现状与格局:范式切换元年

2024年9月以来，大模型行业进入一个被广泛讨论的转折点：以OpenAI o1发布为标志，预训练-scaling的旧范式遭遇边际收益递减，强化学习驱动的新范式开始确立。与此同时，世界模型商用起步、开源与闭源路线分化、Agent生态与配套基础设施快速成型，产业竞争的坐标体系正在被重新绘制。本章从技术范式、路线分化与产业生态三个维度梳理这一年的现状与格局。

一、o1与强化学习范式：从“堆算力”到“练思维”

2024年9月，OpenAI发布o1，首次系统性地展示了通过强化学习提升模型推理能力的规模化路径。模型在回答前进行更长的思考过程，在数学、编程、科学等需要深度推理的任务上实现了对前代模型的显著超越。这一变化的产业含义在于：能力提升的引擎从“更大规模的预训练”部分转向“更多更强的强化学习”，算力与数据的需求结构随之改变。

2024年云栖大会上，阶跃星辰创始人姜大昕、月之暗面创始人杨植麟、生数科技首席科学家朱军与极客公园创始人张鹏的圆桌对话集中呈现了中国头部从业者对这一变局的判断。三家的共识性观察包括：o1代表的推理范式已被验证，将成为后续模型迭代的标配；强化学习范式对算力、数据和工程组织提出了不同于预训练的新要求，数据从“互联网语料”扩展到“可验证的推理轨迹与反馈信号”；未来18个月将是技术与应用双重演进的关键窗口。对于中国公司而言，这一范式切换既带来追赶窗口（推理能力可通过后训练快速补齐），也带来新的资源约束（强化学习阶段对高质量反馈数据和稳定算力的依赖更高）。

二、世界模型商用起步：空间智能从论文走向产品

范式切换的另一条战线是世界模型。李飞飞创办的World Labs正式发布首款可商用世界模型Marble。相比两个月前的早期预览版，Marble支持更多输入模态，实现了“任意模态均可生成3D世界”的能力，可生成更丰富细致的3D场景。李飞飞在其长文中提出“空间智能是AI的下一个前沿”，主张智能不仅在于语言，更在于对三维世界的理解、生成与交互。

Marble的商业化落地具有标志性意义：世界模型不再是实验室演示或概念验证，而是开始形成可交付的产品形态。从产业逻辑看，世界模型与语言模型代表了两条不同的能力纵深——前者面向3D内容创作、仿真训练、具身智能等场景，后者面向语言与推理任务。世界模型商用起步，意味着AI产业的潜在市场边界从数字文本世界扩展到物理与空间世界，为游戏、影视、机器人仿真等领域提供了新的生产工具。

三、开源与闭源分化：技术路径进入多元竞争

范式切换并未收敛为单一技术路线，反而加剧了路线分化。2024至2025年间，行业呈现出清晰的多路径并行格局：

• 闭源前沿路线：OpenAI以o系列为代表的闭源推理模型持续拉升能力上限，通过API与高端订阅变现；
• 开源追赶路线：月之暗面Kimi发布开源推理模型K2 Thinking，采用1T参数MoE架构、32B激活、原生INT4量化、256k上下文，并优化对国产GPU的支持。官方评测显示其在多项基准达到SOTA，部分成绩超过同类闭源模型，可自主完成高达300轮工具调用与多轮思考而无需人工干预。值得注意的是，Kimi的算力资源不到OpenAI的1%，却通过开源路线与工程效率实现有效追赶——这说明在推理范式下，后发者的追赶成本结构发生了变化，开源成为以效率换时间、以生态换影响力的战略选择。

路线分化对产业的影响是结构性的：闭源厂商追求能力溢价与利润率，开源厂商推动能力平权与生态渗透，二者共同压低了下游应用的模型调用成本，客观上加速了Agent与应用层的繁荣。

四、配套生态成型：编排层、安全层与资本热度

范式切换不仅发生在模型层，配套基础设施同步快速成型。

编排层成为新争夺焦点。 Stripe拟以100亿美元收购模型路由产品OpenRouter——后者两个月前刚以13亿美元估值完成CapitalG领投、英伟达NVentures跟投的B轮融资，报价短期上涨近8倍。同期，Cursor发布基于60余万条真实编程请求训练的Cursor Router，Sakana AI推出将多Agent编排打包为单一模型的Fug。模型路由与编排层的价值在于：在多模型、多Agent并存的技术格局下，为应用层提供统一调度入口，其战略地位类似于云时代的流量分发层。

安全层从模型防护转向行为管控。 针对近期频发的AI代理失控与恶意入侵事件，英伟达发布开放代理安全平台，声称可在毫秒级时间内隔离越界的AI代理，具备监控与遏制功能。这标志着AI安全正从模型层防护演进为代理行为管控，为快速扩张的自主代理生态提供企业级安全基础设施——Agent要进入企业生产环境，行为可控是前置条件。

资本热度持续攀升。 AI Agent黑马Instinct完成10亿美元C轮融资，估值达100亿美元，独角兽级估值显示资本市场对该赛道的预期仍在上行。头部机构的布局亦在调整：红杉资本宣布最高领导层更替，由Alfred Lin与Pat Grady联合接任，后者曾主导Snowflake、OpenAI等企业与AI领域投资，人事安排与机构对AI周期的判断相互印证。

五、小结

综合来看，行业正处于范式切换元年：技术层面，强化学习推理范式确立，世界模型开辟空间智能新战场，开源与闭源形成多元竞争；生态层面，编排层、安全层、资本层围绕Agent浪潮快速重组。对于从业者而言，2024—2025年的核心命题已从“要不要做AI”转变为“在多条并行技术路径中如何选位、在快速成型的产业分层中如何卡位”。这一格局判断，将构成后续章节讨论产业重构的基础。

上游:算力、数据与芯片生态

新范式抬升上游需求

大模型产业的技术范式正在发生切换。2024年9月云栖大会上，阶跃星辰创始人姜大昕、月之暗面创始人杨植麟、生数科技首席科学家朱军在与极客公园的圆桌对话中，集中讨论了OpenAI o1发布后的行业变局。三位科学家的共识性判断是：o1所代表的强化学习新范式，对算力和数据提出了更高要求。与预训练阶段的“堆数据、堆算力”不同，推理模型需要在训练阶段进行大规模的探索与验证，在推理阶段生成更长的思维链，这使得算力消耗从单次训练向“训练+推理”双轮驱动转移，数据的重心也从静态语料转向可验证的、高质量的推理数据。

这一判断正在被产业实践验证。世界模型方向的进展同样印证了上游需求的扩张：李飞飞创办的World Labs发布首款可商用世界模型Marble，支持任意模态输入生成3D场景。多模态与空间智能类模型的引入，意味着数据类型从文本扩展至视觉、3D几何等多维度，对应的算力结构与数据管线均需重建。

国产GPU适配成为开源生态关键变量

在算力供给结构上，国产GPU的角色正在从“备选项”转变为开源模型生态的关键变量。月之暗面发布的开源推理模型K2 Thinking具有代表性意义：该模型为1T参数MoE架构、32B激活、原生INT4量化、256k上下文，官方明确表示其“更好支持国产GPU”。在评测层面，K2 Thinking在“人类最后的考试”等多项基准上达到SOTA，部分成绩超过同类闭源模型，并可自主完成高达300轮工具调用与多轮思考。

值得注意的是资源效率维度：据公开报道，月之暗面以不到OpenAI百分之一的资源投入实现追赶，其路径选择是开源加上对国产硬件栈的适配。这背后是清晰的产业逻辑——开源模型如果能与国产芯片形成稳定兼容的软硬件组合，一方面降低国内开发者的算力获取门槛，另一方面也为国产GPU提供了真实负载下的验证与迭代场景，二者形成正反馈。对于跨境电商等应用侧行业而言，这意味着未来可选的模型供给将更具多样性，供应链层面的“单一依赖”风险有所下降。

推理成本决定商业化节奏

模型商业化节奏在很大程度上取决于推理成本。K2 Thinking采用原生INT4量化，即在训练阶段即以低精度设计而非训练后压缩，这使得其在保持推理能力的同时显著降低了部署成本，是量化技术与模型架构协同设计的典型案例。

推理成本优化的产业价值还在向基础设施层延伸。模型路由层正在成为新的竞争焦点：Stripe拟以100亿美元收购模型路由产品OpenRouter，而后者两个月前刚以13亿美元估值完成CapitalG领投、英伟达NVentures跟投的B轮融资，报价短期上涨近8倍。同期Cursor发布基于超60万条真实编程请求训练的Cursor Router。路由层的产品逻辑本质上也是成本工程——在多个模型之间按任务难度、价格与延迟动态分配请求，为应用企业压缩整体推理开支。资本对该环节的高溢价，反映出市场对“推理成本将长期制约AI应用规模”这一判断的定价。

上游结构小结

综合来看，上游生态呈现三条主线：其一，技术范式切换使算力与数据需求的结构发生变化，推理侧的重要性持续上升；其二，国产GPU与开源模型的适配正在重塑算力供给格局，成为产业自主性的关键支点；其三，量化与路由等成本优化技术的成熟度，将直接决定大模型在垂直行业商业化的速度与深度。对下游应用而言，上游的这三重变化共同指向一个结果——模型能力的获取门槛在降低，而精细化运营算力成本的能力将成为新的竞争壁垒。

中游:模型层与编排层竞合

大模型产业的中游格局正在经历一次结构性切换：一边是模型层内部的技术路线分化——推理模型、世界模型与多模态路线并进，各家依据自身资源禀赋选择差异化路径；另一边，原本被视为“管道”的中间层正在崛起，模型路由与Agent编排层成为新的价值高地与资本争夺焦点。两层之间既有分工，也有对终端入口的隐性竞合。

模型层：三条技术路线并进

推理模型成为头部竞争的主战场。OpenAI o1发布后，行业对强化学习新范式的关注度显著提升。在2024年云栖大会的圆桌对话中，阶跃星辰姜大昕、月之暗面杨植麟、生数科技朱军等头部创业者集中探讨了o1背后的强化学习范式对算力与数据提出的新要求。这一讨论折射出行业共识：下一阶段的模型能力跃迁，正从预训练的规模扩展转向推理阶段的能力构造。

值得注意的是，推理能力竞赛并非只有头部闭源玩家可以参与。月之暗面Kimi发布的开源推理模型K2 Thinking，采用1T参数MoE架构、32B激活、原生INT4量化、256k上下文，官方评测显示其在“人类最后的考试”等多项基准上达到SOTA，并可自主完成高达300轮工具调用与多轮思考、无需人工干预。以不到OpenAI 1%的资源实现追赶，且原生适配国产GPU，这一案例表明：开源路线与工程效率优化，正在为资源受限的玩家保留一张牌桌门票，同时对GPU供给格局产生边际影响。

世界模型开辟“空间智能”新叙事。李飞飞创办的World Labs发布首款可商用世界模型Marble，支持任意输入模态生成3D场景，相比早期预览版细节与模态覆盖显著提升。李飞飞同步发布长文阐述“空间智能是AI的下一个前沿”。Marble的商用落地，标志着世界模型从学术构想进入可用产品阶段，也为下游应用（3D内容、具身智能、仿真环境）提供了新的模型层基础设施。

多模态与智能体能力在路线竞争中逐步收敛。推理模型强调深度思考与工具调用，世界模型强调空间理解与生成，多模态则提供感知与表达的通用底座。三条路线并非互斥，而是朝“能思考、能调用、能感知、能行动”的统一目标汇流——这正是中游编排层崛起的技术前提。

编排层：从管道到入口的估值重估

如果说模型层竞争的是“谁的单点能力更强”，编排层竞争的则是“谁掌握任务与模型之间的调度权”。随着模型数量激增、Agent任务日益复杂，如何为任务选择最优模型、如何在多模型与多Agent之间编排协作，成为下游应用不可绕过的环节。

资本与产业动作印证了这一层的价值重估：Stripe拟以100亿美元收购模型路由产品OpenRouter，而后者仅在两个月前刚以13亿美元估值完成CapitalG领投、英伟达NVentures跟投的B轮融资——报价短期涨近8倍。同一时期，Cursor发布基于超60万条真实编程请求训练的Cursor Router，Sakana AI推出将多Agent编排打包为单模型的方案。路由与编排，正从开发者工具演变为独立赛道。

产业逻辑并不难理解：模型路由层掌握着真实的调用流量与任务分布数据，这使其天然具备数据飞轮——路由决策越多，对模型能力边界的画像越准，路由质量越高。这与蔚来换电案例的逻辑相似：当一项能力从单家公司的私有卖点，转变为跨生态的统一标准与独立生意，其价值量级随之改变。OpenRouter正是把“模型调用”这一原本分散在各应用内部的决策，变成了中立化的基础设施。

与此同时，Agent应用侧的融资热度持续攀升——Instinct以100亿美元估值完成10亿美元C轮融资，显示资本市场对Agent赛道的预期已进入独角兽密集期。编排层与应用层的热度相互强化：Agent越多，对路由与编排的需求越大；编排基础设施越成熟，Agent创业的门槛越低。

安全与治理：编排层的新增职能

自主代理的快速扩张也带来行为管控需求。近期频发的AI代理失控与恶意入侵事件，促使英伟达发布开放代理安全平台，声称可在毫秒级隔离越界的AI代理，实现监控与遏制。这标志着AI安全正从模型层防护转向代理行为管控。对编排层而言，安全能力很可能成为其向企业客户交付的标配模块——掌控任务调度的中间层，天然是植入治理与审计逻辑的位置。

小结

中游的竞合本质是“能力”与“调度”两种权力的博弈：模型层试图通过推理与Agent原生能力向上延伸，编排层则试图通过流量与数据向下定义模型选择标准。在Agent大规模落地的未来18个月内，这一层级的卡位结果，将在很大程度上决定大模型产业价值链的最终分配格局。

下游:应用落地与商业化

技术范式的切换最终要在应用层兑现价值。本章从AI Agent的商业化加速、跨行业的能力平台化实践，以及应用层基础设施的竞争格局三个维度，观察产业重构的落点。

AI Agent商业化进入加速期

2024年以来，AI Agent从概念验证走向规模化商业产品，头部公司获得了资本市场的密集加持。以Agent产品Instinct为例，其凭借爆红产品快速崛起，宣布完成10亿美元C轮融资，估值达到100亿美元。该公司表示“我们才刚刚起步”，这一表态折射出赛道参与者的普遍心态：Agent商业化尚处早期，但资本已经用独角兽级估值投票。

从产业逻辑看，Agent融资热度的背后是三个条件的同时成熟：其一，推理模型能力提升，使Agent可自主完成长链条任务——如月之暗面Kimi发布的K2 Thinking，可自主完成高达300轮工具调用与多轮思考，无需人工干预，这直接扩展了Agent可承担的任务边界；其二，企业级安全基础设施补齐，英伟达发布的开放代理安全平台声称能在毫秒级时间内隔离越界的AI代理，解决了Agent规模部署的关键顾虑；其三，模型编排与路由层快速成型，降低了应用调用多模型的工程成本。

能力平台化与生态开放化：跨行业的启示

值得注意的是，应用层的能力平台化并非AI行业独有。2024年9月28日，吉利控股以旗下易易互联100%股权加6.4亿元现金入股蔚来能源，交易后持股30%；易易互联营运车辆换电业务并入蔚来能源，双方共建统一C端换电技术与标准，吉利将开发C端换电车型，蔚来则反向持股吉利旗下浩瀚能源10%。

这笔交易金额不大——仅占蔚来567亿现金储备的约1%——但核心价值在于商业模式的重构：换电从蔚来自家的卖车卖点，迈向跨品牌统一的独立生意，换电网络首次迎来外部整车阵营的规模化加入。这一“换电式”合作模式对AI应用层的启示清晰可辨：单项能力从绑定自有产品中剥离，沉淀为对外开放的平台，才能获得跨阵营的规模效应。AI Agent领域正在发生同构的演化——Agent能力、模型路由、安全管控都在从具体产品中抽象出来，成为可独立定价、开放接入的基础设施。

编排层成为新争夺焦点

在应用与模型之间，模型编排与路由层正成为资本竞逐的新高地。Stripe拟以100亿美元收购模型路由产品OpenRouter，而后者两个月前刚以13亿美元估值完成CapitalG领投、英伟达NVentures跟投的B轮融资，报价短期涨近8倍。同期，Cursor发布基于超60万条真实编程请求训练的Cursor Router，Sakana AI则推出将多Agent编排打包成单模型的产品。

编排层的价值逻辑在于：当底层模型多元竞争、应用对多模型切换与成本优化的需求上升时，路由与编排成为流量分发与调度的枢纽。这与换电网络作为新能源汽车补能枢纽的卡位逻辑一致——掌握调度权者获得生态议价能力。

多元的应用方向与长期判断

除Agent主线外，应用落地呈现多方向并进。李飞飞创办的World Labs发布首款可商用世界模型Marble，支持任意模态输入生成3D场景，标志着空间智能从理论走向实际可用，为具身智能、内容创作等场景开辟新的商业化路径。

头部应用公司的技术路线选择也值得关注。月之暗面Kimi以远低于OpenAI的资源（不到其1%）发布开源推理模型，在多项基准上达到SOTA，其开源路线与自主工具调用能力，实际上是在为Agent应用生态供给“低成本底座”——这再次呼应了能力开放化的行业共识。

综合来看，下游商业化呈现出清晰的分层结构：模型层持续竞赛，编排层快速卡位，Agent应用层以高估值融资获得扩张弹药，而安全与标准建设为整个生态托底。能力平台化、生态开放化正在成为应用层的普遍共识，跨行业案例与AI产业内部的演化路径共同验证了这一趋势。未来18个月，应用层能否将技术优势转化为可持续的商业模式，将是产业重构成色的最终检验。

数据透视:资本与竞争格局

大模型与AI Agent的技术范式切换，正在资本市场与竞争格局两个层面同步重塑产业。本章从估值信号、机构动向与追赶者策略三个维度，对本阶段的关键事实进行梳理。

Agent赛道：估值攀升与资本集中

Agent赛道在本轮周期中成为资本集中度最高的方向之一。标志性事件是AI Agent公司Instinct完成10亿美元C轮融资，估值达到100亿美元。该公司因产品爆红而快速崛起，其“我们才刚刚起步”的表态与巨额融资相结合，反映出资本市场对Agent赛道的定价逻辑已经从收入与利润预期，转向对增长斜率与生态位卡位的认可。

值得注意的是，资本的热度不仅停留在应用层，还向中间基础设施层传导。Stripe拟以100亿美元收购模型路由产品OpenRouter，而后者两个月前刚以13亿美元估值完成CapitalG领投、英伟达NVentures跟投的B轮融资，报价短期涨近8倍。同期，Cursor发布基于超60万条真实编程请求训练的Cursor Router，Sakana AI推出将多Agent编排打包成单模型的产品。模型编排与路由层从工具性产品跃升为百亿美元级并购标的，说明资本正在为Agent生态的“流量入口”定价——谁控制了模型调度的分发层，谁就掌握了Agent经济的上游议价权。

与之配套的是安全基础设施的补位。英伟达发布开放代理安全平台，声称可在毫秒级隔离越界的AI代理。这一动作表明，Agent规模化部署的前提——行为可控性——正成为新的基础设施赛道，也为企业级采购提供了合规与风控的决策依据。

红杉换帅：AI投资权重的机构化表达

机构层面，红杉资本宣布最高领导层更替：Roelof Botha卸任全球领导人，由早期投资负责人Alfred Lin与成长期投资负责人Pat Grady联合接任，Botha转任顾问并留任普通合伙人。Pat Grady曾主导Snowflake、OpenAI等企业与AI领域投资，而接任团队中包含深度参与AI头部资产的投资人，被外界普遍解读为红杉将进一步提升AI在整体投资组合中的权重。

这一人事变化的产业逻辑并不复杂：当AI资产的估值增速显著超过传统SaaS与消费互联网时，顶级VC的领导层构成与资源配置会自然向该方向倾斜。红杉的换帅并非孤立事件，而是整个一级市场资金迁移的缩影——资金正从上一代互联网范式，系统性流向大模型、Agent及配套基础设施。

追赶者策略：资源效率竞争

在巨头以资本与算力构筑壁垒的背景下，追赶者的核心策略已明确转向资源效率。月之暗面Kimi发布开源推理模型K2 Thinking，官方信息显示其资源投入不到OpenAI的1%，却以1T参数MoE架构、32B激活、原生INT4量化、256k上下文的技术组合，在多项基准评测中达到SOTA，并可自主完成高达300轮工具调用。Kimi同时更好支持国产GPU，在算力约束下探索开源路线。

这一策略的产业含义有三层：其一，效率优先证明追赶不必复制巨头的资源规模；其二，开源路线以生态扩散对冲闭源模型的资本优势；其三，国产GPU适配将模型能力建设与本土算力供应链绑定，形成差异化的抗风险结构。技术社区层面，o1发布后杨植麟、姜大昕、朱军等头部创业者围绕强化学习新范式对算力与数据新要求的讨论，也印证了行业共识：下一阶段的竞争将同时考验算法效率与资源组织能力。

小结

综合来看，本阶段的资本与竞争格局呈现三个特征：Agent赛道估值快速攀升并向编排、安全等配套环节扩散；头部投资机构通过领导层调整强化AI配置权重；追赶者以资源效率和开源生态作为核心竞争策略。技术与资本的双重变量下，产业重构的下一站将取决于Agent商业化落地速度与效率型追赶路线能否持续验证。

趋势判断:18个月演进路径

站在当前时点向后看18个月，大模型产业将经历一次从“预训练竞赛”到“系统级能力”的范式切换。综合技术信号、资本动向与基础设施演进，本章给出四条趋势判断。

趋势一：强化学习驱动推理能力升级，成为主战场

o1发布后，国内头部模型公司迅速形成共识：强化学习正在开启继预训练之后的第二增长曲线。月之暗面Kimi的K2 Thinking以1T参数MoE架构、32B激活、原生INT4量化和256k上下文，在多项基准测试中达到SOTA，官方评测成绩超过同类闭源模型；其可自主完成高达300轮工具调用与多轮思考而无需人工干预，显示推理与行动能力已在长程任务中闭环。

值得注意的是资源约束下的路径差异：Kimi以不到OpenAI 1%的资源走上开源追赶路线，并更好适配国产GPU。这意味着未来18个月，RL驱动的推理能力升级不再是大厂专属——算力效率、数据合成质量与国产芯片适配，将成为二线梯队缩小差距的三个杠杆。推理模型的商业化也会从“对话产品”转向“完成任务的Agent”，单位推理成本与任务成功率之间的权衡，将决定各家在应用层的竞争力。

趋势二：空间智能从论文走向产品

李飞飞创办的World Labs发布首款可商用世界模型Marble，支持任意模态输入生成3D场景，标志着空间智能从研究命题进入可用产品阶段。这是“下一前沿”的第一批商业验证。

未来18个月，空间智能的落地大概率沿三条线推进：内容创作（影视、游戏资产生成）、仿真训练（为具身智能和自动驾驶提供合成环境）、以及沉浸式交互（3D内容消费）。其瓶颈在于生成质量与计算成本，但一旦形成“生成—训练—部署”的数据闭环，世界模型与语言模型的RL训练管线可能互相供给——世界模型为Agent提供可交互的模拟环境，这将是Agent能力跃迁的关键基础设施之一。

趋势三：代理安全基础设施需求爆发

随着Agent获得越来越长的自主执行链（K2 Thinking的300轮工具调用是典型信号），安全边界问题从理论风险变成工程刚需。英伟达发布开放代理安全平台，声称可在毫秒级隔离越界Agent，具备监控与遏制能力——这标志着AI安全从模型层防护转向代理行为管控。

产业逻辑很清晰：企业不会在缺乏行为管控层的前提下大规模部署自主Agent，正如云计算的普及依赖身份与权限体系。未来18个月，代理安全将催生独立的基础设施品类，与模型层、编排层并行发展；监管框架也会从原则性要求逐步走向可审计的技术标准，安全能力将前置为企业采购Agent的准入条件。

趋势四：模型层、编排层、应用层分工加速成型

资本正在为产业分层投票。Stripe拟以100亿美元收购模型路由产品OpenRouter——后者两个月前刚以13亿美元估值完成融资，报价短期涨近8倍；同期Cursor推出基于60万条真实编程请求训练的Cursor Router，Sakka AI则将多Agent编排打包为单模型。路由与编排层正成为独立的战略要地。应用层同样火热：AI Agent公司Instinct以10亿美元融资、100亿美元估值完成C轮，显示头部Agent产品已进入规模化扩张阶段。

三层结构的分工逻辑是：模型层比拼推理能力与成本，编排层比拼流量分发、成本优化与可观测性，应用层比拼垂直场景的任务完成度。未来18个月，编排层的整合（类似Stripe对OpenRouter的收购）将持续发生，成为云厂商与支付、协作平台卡位AI入口的关键动作。

演进路径示意

小结

18个月后的产业图景大致是：推理能力成为模型层的准入门槛而非差异化卖点；空间智能为Agent补上感知与交互的物理维度；代理安全是全行业扩张的前置条件；而价值分配沿模型—编排—应用三层重新划分。对产业参与者而言，关键不是押注某一层，而是识别自身在系统分工中的不可替代位置——正如换电网络从蔚来自家卖点演化为跨品牌统一生意所揭示的规律：独立化、标准化、基础设施化，是任何能力层走向规模的共同路径。